2026年7月22日，白宮科技政策辦公室主任邁克爾·克拉西奧斯在X上發帖，矛頭指向一周前發佈的中國大模型Kimi K3。 CNBC、彭博社、《國會山報》當天和次日都有跟進。克拉西奧斯說，北京AI創業公司月之暗面（Moonshot AI）通過泰國搞到了被禁運的輝達GB300晶片，還對Anthropic的旗艦模型Claude做了“大規模、隱蔽的工業蒸餾”。 Kimi K3於7月16日推出，參數規模2.8兆，是全球開源模型的新紀錄。多項基準測試成績逼近Claude 3和GPT-4o。 克拉西奧斯的帖文稱，這種蒸餾“意在獲取美國專有技術，影響美國研究，不可接受”。美國財長斯科特·貝森特7月22日跟進，威脅要對從事“隱蔽的工業規模蒸餾/智慧財產權侵權”的中國企業實施制裁，納入實體清單。CNBC引述貝森特的話：“美國大模型的水印現在經常在中國模型裡找到，我們接下來幾周會啟動調查。”

在日韓大廠削減消費類產能、轉產高利潤AI/車規料背景下，一場以MLCC電容為主，包括電阻電感電磁等被動電子元件的“結構性緊缺”席捲市場。MLCC與儲存突圍的路徑不同，國內MLCC的替代路徑是漸進式的，沿著“消費電子-國內汽車電子-國內AI伺服器-全球供應鏈”逐級突破。 “村田1206-476料號單日再漲5%”“GPU超高容型號散貨加價15%仍一料難求”“高容產品一天一價和價格小幅波動同時存在”，這是《科創板日報》記者近日在華強北實地走訪MLCC看到的現場情況。 單台GB300伺服器MLCC用量飆升至3萬顆以上；在日韓大廠主動削減消費類產能、轉產高利潤AI/車規料的背景下，一場以MLCC電容為主，包括電阻電感電磁等被動電子元件的“結構性緊缺”正席捲市場。 《科創板日報》記者從產業鏈處瞭解到，儘管風華高科、三環集團等國產頭部廠商已在介質層厚度、堆疊層數等核心指標上取得突破，並切入國內AI伺服器供應鏈，但在輝達等頂級供應鏈的AI高容MLCC領域，國產廠商仍面臨材料、工藝、認證“三重枷鎖”。

01. 輝達Q1財報，大超預期，業績暴漲85%，利潤增長210% 今日，備受行業關注的輝達2027財年第一季度財報最新出爐。一季度輝達表現遠超市場預期，營收同比暴漲85%至816億美元，創下歷史新高，其中利潤達到恐怖的583.2億，同比增長210%，一季度就已完成去年利潤的40%。 更加炸裂的是，輝達官方對於第二財季的指引，輝達預計營收將在891億美元-928億美元之間，而華爾街此前的預期是873億美元。 02. 資料中心應收達93%，GB300，Rubin賣爆了

01.Google TPU V7 vs 輝達GB300 晶片差異在 AI 晶片領域，Google TPU 與輝達 GPU 的競爭已進入白熱化階段。作為雙方的旗艦產品，TPU v7（代號 “Ironwood”）與 GB300 分別代表了專用 ASIC 架構與通用平行計算架構的巔峰水平，二者在架構設計、性能參數、能效比、擴展性及成本等維度存在顯著差異，這些差異直接決定了它們在不同 AI 場景中的適配性。TPU v7 屬於ASIC晶片的類別。TPU v7 延續了Google TPU 系列 “犧牲通用性、追求張量運算極致效率” 的設計邏輯，核心架構圍繞深度學習中的矩陣乘法（張量運算核心）深度定製，更加適合推理場景，單晶片功耗中等。GB300 作為輝達 Blackwell 架構的旗艦產品，延續了 GPU “通用平行計算” 的核心優勢，兼顧張量運算、圖形渲染、科學計算等多場景需求，算力較高，適合高算力的AI大模型訓練，成本高，功耗高。02.Google TPU V7 vs 輝達GB300機櫃級架構差異從表面參數來看，TPU v7 與 GB300 的差異首先體現在機櫃尺度上。TPU v7 機櫃的熱設計功率約為 90kW，整櫃部署 64 顆 TPU 晶片，採用 16 台 2U 伺服器的形態。網路層面使用 OCS 光交換架構，機櫃內部不設定獨立交換機，算力節點之間通過高度定製化的光互連直接通訊。相比之下，GB300 機櫃的單櫃功率提升至約熱 150kW，晶片數量 72 顆，伺服器形態收斂為 18 台 1U 伺服器，並配備獨立的 InfiniBand / 乙太網路交換裝置。這種設計明顯更貼近當前主流 AI 資料中心的部署邏輯。但真正值得關注的，並不是功率或晶片數量的差距，而是兩種機櫃在設計目標上的根本不同。TPU v7 本質上是為 Google 內部算力體系定製的“算力終端”；而 GB300 則被定義為可以被反覆複製、快速部署的“標準算力模組”。02.Google TPU V7 vs 輝達GB300伺服器內部架構差異TPU v7 伺服器部署4顆TPU晶片。在 TPU v7 的伺服器內部結構中，液冷系統呈現出高度聚焦的特徵。TPU 晶片被單獨配置為 4 塊小冷板，液冷覆蓋範圍嚴格限定在算力核心之上，而 CPU、記憶體、電源模組仍然沿用風冷方案，儲存系統則未被納入液冷體系。TPU v7 採用 EPDM 軟管、Parker NSP 接頭與 Manifold 分配結構，配合 In-row CDU 使用。這種方案具備良好的安裝靈活性和成本可控性，非常適合 Google 這種自建、自維運的資料中心體系。在 TPU v7 的體系裡，傳統意義上的“交換機”本身就被弱化了。TPU Pod 裡真正承擔大規模互聯角色的，是 OCS（Optical Circuit Switch，光電路交換），這種方案更多是一個“光層調度裝置”，而不是高功耗、高算力的包轉發晶片裝置。這類 OCS 的特點是交換晶片功耗低、發熱密度分散、運行狀態極其穩定，遠沒有 GPU 或 NVLink / InfiniBand 交換 ASIC 那麼“熱”。從熱設計角度看，它根本沒有到必須引入液冷的門檻，用成熟的風冷方案完全可以覆蓋，而且風險更低。GB300伺服器部署4GPU+2GPU。液冷方案更加複雜，液冷覆蓋率95%，幾乎全液冷覆蓋，是小冷板結構，4+2方案，採用不鏽鋼波紋管、MOD + UQD 快接結構，以及 Rack / Row 級 CDU 相容設計，為長期運行、頻繁部署與快速維護而服務的工程選擇。GB300 使用的是新一代 InfiniBand 交換平台（對應 Quantum / Quantum-X 這一代架構），單顆交換 ASIC 的功耗已經進入數百瓦等級，並且連接埠速率、SerDes 數量、內部交換頻寬都在指數級提升。GB300的交換機是1u高度，採用液冷架構方案，Asic晶片部署液冷冷板。04.Google TPU V7 vs 輝達GB300 供應鏈差異由於輝達目前只提供L6板卡產品，不直接提供L10-L11整機伺服器，比如冷板，CDU等部件屬於L6之後的環節，不屬於輝達的直接環節，但是液冷系統又是非常重要的一環，所以為保障下遊客戶使用輝達晶片正常運行，輝達會提前設計一套整機系統提供給終端及伺服器OEM廠商參考，在液冷生態體系中，輝達要求通過一系列的認證測試進而確定各個液冷元件的RVL（推薦供應商名錄）；要成為供應商進入RVL基本成為進入輝達液冷生態體系的強制性要求。在RVL基礎上，輝達GB200採用強制指定少數液冷部件供應商的模式，如 Vertiv 是輝達指定的系統級液冷合作夥伴。在這種模式下，液冷供應商將可能形成產能瓶頸，無法支撐GB300及後續產品的巨大需求。為降低供應鏈的風險，輝達在GB300上做出了調整，僅負責提供液冷部件設計參考及介面的規範；由此給予了ODM/OEM廠商更大的設計靈活性，並且由CSP或ODM/OEM在RVL範圍內自主選擇液冷部件供應商，為新供應商的進入創造了條件。在這種模式下，液冷部件供應商需要同時通過英偉 達RVL 認證以獲取配套資格，同時也需要進入OEM/ODM的AVL（合格供應商名錄）以確保在液冷系統整合階段被選用。Google與輝達的冷供應商選擇模式不同，Google目前不直接出售TPU晶片，而是出售google Colud的算力，資料中心多數採用自健，所以Google的所有資料中心基礎設施產品由google自己採購。因此Google液冷系統供應商會作為一級供應商直接向Google提供配套產品，液冷系統供應商將向Google指定的部件供應商採購液冷系統部件。因此對於國內廠商來說有更大的機會切入Google的供應鏈並且能夠持續獲得市場份額。 (零氪1+1)

晶片巨頭輝達的營收和即將上市的銷售額均超出華爾街預期，緩解了投資者對人工智慧 (AI) 領域巨額支出引發市場動盪的擔憂。該公司周三發佈的季度財報顯示，截至10月份的三個月內，營收飆升62%至570億美元，主要得益於人工智慧資料中心對其晶片的需求增長。該部門的銷售額增長66%，超過510億美元。達到512億美元，輕鬆超過分析師此前預期的490.9億美元，較上一季度增長25%，較去年同期增長66%。剩餘的68億美元營收來自輝達的遊戲業務（42億美元），其次是專業可視化和汽車領域的銷售額。按美國通用會計準則（GAAP）計算，公司淨利潤為320億美元，同比增長65%。營收和利潤均超出華爾街預期。輝達表示，大部分增長是由其GB300晶片的初期銷售推動的。網路業務，即使數十個GPU能夠像一台電腦一樣協同工作的元件，貢獻了資料中心82億美元的銷售額。輝達首席財務官科萊特·克雷斯在一份聲明中表示，該公司最暢銷的晶片系列現在是 Blackwell Ultra，這是該公司 Blackwell 晶片的第二代版本。輝達首席財務官科萊特·克雷斯在致股東的聲明中指出，計算能力的加速發展、強大的AI模型以及智能體應用的興起推動了公司資料中心業務的增長。克雷斯在公司第三季度財報電話會議上表示，上個季度，公司宣佈了總計500萬個GPU的AI工廠和基礎設施項目。克雷斯表示：“這種需求涵蓋了所有市場，包括雲服務提供商、主權國家、現代建築企業和超級計算中心，並且包括多個標誌性建設項目。”Blackwell Ultra GPU於3月份發佈，提供多種配置選擇，表現尤為強勁，目前已成為公司內部的領頭羊產品。據該公司稱，此前的Blackwell架構版本也一直保持著強勁的需求。輝達表示，預計本季度銷售額約為 650 億美元，而分析師此前預期為 616.6 億美元。該公司表示，本季度淨利潤增長 65%，達到 319.1 億美元，即每股 1.30 美元，而去年同期淨利潤為 193.1 億美元，即每股 78 美分。輝達是全球市值最高的公司，被視為人工智慧繁榮的風向標。這家晶片製造商的業績可能會影響市場情緒。首席執行官黃仁勳在一份聲明中表示，其人工智慧 Blackwell 系統的銷售額“遠超預期”，並且“雲 GPU（圖形處理單元）已售罄”。黃仁勳在公司第三季度財報中表示：“Blackwell 的銷售額遠超預期，雲端 GPU 也已售罄。計算需求在訓練和推理方面持續加速增長，呈指數級增長。我們已經進入了人工智慧的良性循環。人工智慧生態系統正在快速擴張——湧現出更多新的基礎模型建構者、更多人工智慧初創公司，覆蓋更多行業和更多國家。人工智慧正在無處不在，無所不能。”“關於人工智慧泡沫的說法很多。但從我們的角度來看，我們看到的卻截然不同，”他在與分析師的電話會議上說道。“我們在人工智慧的各個階段都表現出色。”他曾表示，人們願意為人工智慧工具付費表明這項技術是“有利可圖的”，即便大多數科技公司現在都將賺到的錢再投資於新的基礎設施。由於人們越來越擔心人工智慧股票估值過高，這家晶片製造商的季度報告在華爾街引起了比以往更多的關注。由於人們對人工智慧投資回報的擔憂不斷，這些擔憂導致標普 500 指數在周三之前連續四天下跌。在輝達發佈業績之前，人們對其表現的預期很高。LPL Financial 的首席技術戰略家 Adam Turnquist 表示，問題不在於公司是否會超出預期，“而在於超出多少”。“儘管人工智慧估值佔據了新聞頭條，但輝達依然以優雅的方式開展業務，”哈格里夫斯·蘭斯當高級股票分析師馬特·布裡茨曼表示。他表示，人工智慧領域某些領域的估值“需要喘口氣，但輝達並不屬於這一類”。黃仁勳此前曾表示，他預計到明年人工智慧晶片訂單額將達到5000億美元。投資者們正在關注該公司預計何時實現這些收入，以及如何完成這些訂單。輝達首席財務官科萊特·克雷斯告訴分析師，該公司“可能”會在已宣佈的 5000 億美元訂單之外再接更多訂單。在財報電話會議上，她還別出心裁地列舉了晶片製造商合作夥伴近期財務報告中的亮點，以此強調人工智慧正在為公司帶來回報。例如，她提到，Meta公司的人工智慧推薦系統讓使用者“在Facebook和Threads等應用上花費了更多時間”；Anthropic公司近期表示，預計今年的年收入將達到70億美元；Salesforce的工程團隊自從使用人工智慧進行編碼以來，效率提高了30%。她還列舉了一系列企業客戶的例子。但她也對阻礙該公司向中國出口晶片的監管限製表示失望，稱美國“必須贏得包括中國開發者在內的每一位開發者的支援”。克雷斯在財報電話會議上指出：“由於地緣政治問題以及中國市場競爭日益激烈，本季度未能達成大額採購訂單。儘管我們對目前阻礙我們向中國出口更具競爭力的資料中心計算產品的現狀感到失望，但我們仍致力於繼續與美國和中國政府保持溝通，並將繼續倡導提升美國在全球的競爭力。”科技巨頭們正加大對人工智慧的投入，爭相從推動股價創下歷史新高的繁榮浪潮中獲利。Meta、Alphabet 和微軟上個月發佈的財報再次證實，這些公司在從資料中心到晶片等各個方面都投入了巨額資金。Google母公司Alphabet的首席執行官桑達爾·皮查伊也表示，儘管人工智慧投資的增長是一個“非凡的時刻”，但當前的人工智慧熱潮也存在一些“非理性”因素。他的這番言論是在其他行業領袖發出警告之際發表的。輝達生產的晶片對人工智慧資料中心至關重要，它與人工智慧領域的關鍵參與者（如 OpenAI、Anthropic 和 xAI）達成了一系列交易，而輝達正是這些交易的核心。這些交易因其循環性質而備受關注，因為人工智慧公司之間的相互投資日益增多。這些協議包括輝達向OpenAI （ChatGPT背後的公司）投資1000億美元。 (半導體行業觀察)

輝達發佈的《DGX SuperPOD GB300參考架構》，這次架構白皮書其實可以看作是它面向“AI工廠”時代的重磅技術藍圖。簡單來說，就是輝達正式公佈了它自家AI超算系統的完整結構，讓外部企業和機構能直接照著搭建一座屬於自己的AI工廠。官方說這是它內部系統的“物理孿生體”——也就是說，你買的、部署的DGX SuperPOD，跟輝達自己在訓練大模型的系統是一模一樣的。這一點非常關鍵，因為這意味著所有的軟體、驅動、網路、儲存方案都已經被輝達內部驗證過，穩定性、相容性和性能都能保證，部署周期也會比以往縮短很多。這代SuperPOD的核心是DGX GB300系統，搭載Grace CPU和Blackwell Ultra GPU（B300），是專門為AI訓練和推理打造的高密度計算平台。輝達用一種叫Scalable Unit（SU）的模組化設計來組建整套系統。一個SU包含8個DGX GB300機架，每個機架裡面有72顆GPU，總共576顆GPU。這樣一來，部署方式就變得非常靈活——你可以先上一個SU，後續再往上疊。整個架構最大可以擴展到128個機架，也就是9216顆GPU，單個SU的功率就已經高達1.2兆瓦，功耗和熱負載都非常驚人。輝達在文件裡也明確要求，資料中心至少要達到Tier 3等級標準，具備平行維護、無單點故障的能力。冷卻方式上，GB300採用了混合冷卻結構：GPU和CPU部分是直液冷，其他元件還是風冷，這樣既能控制能耗，又能降低維護難度。DGX GB300，每個托盤有兩顆GB300 ，每顆Superchip由兩顆B300 GPU和一顆Grace CPU組成，中間通過NVLink-C2C互聯，CPU和GPU共用記憶體、直接通訊。這樣的組合讓大模型的訓練速度能提升幾個量級。每個托盤配有高速網路卡：4個ConnectX-8用於InfiniBand互聯，還有一張BlueField-3 DPU用於儲存與管理網路。儲存方面，每個托盤都有NVMe SSD作為本地快取和系統盤，用於高速資料訪問。在互聯部分，輝達用了自家的NVLink 5技術。每個機架配備9個NVLink交換模組，用於連接機架內的72顆GPU。每顆B300 GPU有18條NVL5鏈路，頻寬能達到1.8TB/s。這意味著所有GPU之間幾乎是全互聯的，延遲極低，非常適合大模型訓練時需要頻繁參數同步的場景。供電部分也升級了，每個電源架能輸出33kW，一個機架裡有8組，具備冗餘設計，還能通過儲能模組緩衝峰值電流，減少資料中心配電壓力。網路是這份架構檔案中篇幅最長、設計最複雜的部分。輝達把整個系統的網路分成了四層：GPU之間的NVLink互聯、計算網路（InfiniBand）、儲存網路（乙太網路）以及獨立的管理網路。計算網路用的是Quantum-X800 InfiniBand交換機，單向頻寬800Gbps，支援RDMA和各種集合通訊加速功能。儲存網路用Spectrum-4以太交換機，通過RoCEv2協議訪問高性能儲存，獨立於計算網路運行，保證訓練和資料訪問互不干擾。管理網路則是完全獨立的Out-of-Band結構，用來連接BMC、NVSwitch控製器、機架電源和監控裝置，確保硬體層面的管理不受業務網路干擾。這種多層結構讓系統既快又穩，還能在安全和可維護性上做到隔離。儲存部分輝達分成了兩層：高性能儲存（HPS）和使用者儲存（User Storage）。HPS負責訓練和推理的主資料流，要求非常高——要支援NVMe、RoCEv2、POSIX語義、多執行緒並行讀寫，還要能在節點失效時保持高可用。使用者儲存則更偏向系統管理用途，比如日誌、配置檔案、共享目錄等，通常用NFS接入。檔案裡給了性能指標：單個SU在標準配置下讀寫吞吐分別是90GB/s和45GB/s，增強配置可以到280GB/s和140GB/s；如果擴展到4個SU，讀寫性能分別能達到1.12TB/s和560GB/s。這說明SuperPOD的儲存性能是線性可擴展的，越大規模越能發揮出優勢。軟體層面，輝達提出了一個非常完整的管理體系：Mission Control + Run:AI + Base Command Manager。Mission Control是整個系統的中樞，負責維運、監控、調度和自癒。它能自動檢測硬體或節點異常，觸發任務遷移，甚至自動恢復訓練任務到上一個checkpoint，避免重訓。Run:AI負責資源編排和多租戶調度，比如自動分配GPU、動態擴容訓練作業。Base Command Manager則提供底層管理和配置介面。Mission Control還能與資料中心的樓宇管理系統（BMS）打通，實現溫度、能耗、冷卻流量等指標的即時監控。整個軟體棧支援SLURM和Kubernetes兩種主流調度框架，對AI訓練、推理、微服務部署都能相容。值得注意的是，輝達在這份檔案中也透露了它對液冷的態度：在GB300時代，液冷已經不再是可選項，而是標配。每個SU功率高達1.2MW，傳統風冷根本無法支撐這種熱密度。輝達不僅提供了硬體冷卻方案，還在Mission Control層整合了液冷管理和報警機制，能即時監控冷卻環路溫度、水流速、壓力等參數。換句話說，從GB300開始，液冷已經成為AI伺服器的基礎設施。從全域上看這份檔案不僅僅是一份技術規範，更像是輝達為整個AI基礎設施生態畫的一張藍圖。DGX SuperPOD GB300代表了AI工廠的標準形態：高密度算力、高速互聯、分層儲存、全端自動化管理，再加上液冷和能源最佳化，形成一個閉環。輝達的思路很清晰——AI計算將走向工業化生產，而DGX SuperPOD就是AI的“生產線”。它把計算、儲存、網路、冷卻、維運全部標準化、模組化，讓AI工廠可以像搭積木一樣複製。未來無論是雲廠商、科研機構還是大型企業，基本都可以在這個架構上建構自己的AI算力中心。 (零氪1+1)